用途：当某个领域由许多相互关联的概念组成，需要把“它们如何关联”显式化、可检查时使用。它构建非层级语义网络，拒绝无标签连线，每条连接都是带方向的连接短语，使“节点—连接—节点”读作明确命题（如“免费层—增加—注册量”），并用跨链接连接不同簇的概念。核心动作是强制命名每条关系，从而暴露缺口、缺失链接与可疑命题。输出为概念图加暴露出的缺口清单；它只外化并检查概念如何关联，不声称能提升学习、记忆或决策。
主要能力：列出领域关键概念；用带标签的有向链接连接；把每条链接回读为命题，模糊、错误或无法辩护则修正标签或删除链接；添加跨簇的跨链接；标记连接过少的概念、明显相关却未连接的缺失链接，以及可疑命题。
使用方式：按 references/TEMPLATE.md 输出，交付物是带标签命题网络、跨链接与缺口清单，而非散文。质量检查要求：所有链接均为命名有向短语；每个三元组读作完整可辩护命题；至少一条跨链接连接不同簇；显式列出缺口、缺失链接与可疑命题；结构为非层级网络，不是论证树或 MECE 分解；不夸大效果；输出为概念图产物。
适用场景：领域概念多且相互关联，需显式化并检查其关系；怀疑存在隐藏缺口或误解，想以可检查命题暴露；跨子领域整合重要，簇间跨链接有价值。
限制与不适用：不用于评估某个论证或建议是否成立（用 argument-mapping）；不用于把一个大问题自上而下分解为 MECE 部分（用 issue-tree）；不用于把大量原始笔记自下而上聚类且不命名关系（用 affinity-mapping）；不用于按固定事件/模式/结构/心智模型层级移动问题（用 iceberg-model）。若去掉带标签链接/命题约束，就变成无标签分支的自由联想思维导图，本库排除该方法。证据来自人类研究，未经 AI 验证；分级为 M/P，不声称提升学习、记忆或决策。